Kafka 消息存储及检索

Kafka是一个分布式的消息队列系统，消息存储在集群服务器的硬盘,Kafka中可以创建多个消息队列，称为topic，消息的生产者向topic中发布消息，消息的消费者从topic中获取消息,消息是海量的，为了消息的读写性能，topic被分为多个部分，称为partition，kafka把每个topic的每个partition均匀的分布在集群中的不同服务器上,所以从整体来看，Kafka的逻辑关系就是：生产者向topic中的某个partition发送消息，消费者从partition获取消息,,实际的存储结构中，partition并不是存放消息的物理文件，而是一个目录，命名规则是topic名称加上partition序号，其中包含了这个partition的N个分段存储文件segment。,分段存储也是因为partition内容非常多，分成小文件更便于消息的写入和检索。,,segment也不是一个文件，是由两个物理文件构成：,.index索引文件、.log消息内容文件,这两个文件是成对出现，名称一样，只是后缀不同,实际的存储结构就是这样的,,消息是按照顺序产生的，所以每个消息都有一个序号，称为offset，表示partiion的第多少个message，从0开始,每个segment存储了一段offset区间内的消息,segment文件以offset区间的起始值命名，长度固定20位，不足的位用0填充,例如存储了第0-20条的消息，segment文件就是：,00000000000000000000.index,00000000000000000000.log,index文件结构很简单，每一行都是一个key,value对,key 是消息的序号offset,value 是消息的物理位置偏移量,如,1,0,3,299,6,497,...,说明的就是第几个消息的物理位置是哪儿,log文件中保存了消息的实际内容，和相关信息,如消息的offset、消息的大小、消息校验码、消息数据等,消息检索过程示例,例如读取offset=368的消息,（1）找到第368条消息在哪个segment,从partition目录中取得所有segment文件的名称，就相当于得到了各个序号区间,例如有3个segment,00000000000000000000.index,00000000000000000000.log,00000000000000000300.index,00000000000000000300.log,00000000000000000600.index,00000000000000000600.log,根据二分查找，可以快速定位,第368条消息是在00000000000000000300.log文件中,（2）从index文件中找到其物理偏移量,读取00000000000000000300.index,以368为key，得到value，如299，就是消息的物理位置偏移量,（3）到log文件中读取消息内容,读取 00000000000000000300.log,从偏移量299开始读取消息内容,完成了消息的检索过程